知識階層
[NLP]は広範な知識のような大規模な量を必要とするため、 "自然言語理解は、常に知識表現の研究のための推進力となってきました." (ルガー·スタッブルフィールド、1998年)
言語の解析、理解と翻訳のために、マシンはそれが入ってくる言語を処理することができ、そこから情報の知識ベースを持っている必要があります. 現在のシステムは、人間の脳が動作することを途中で自分の知識·ストレージの基礎 (ルガー·スタッブルフィールド、1998年). この知識は、それに関連付けられたプロパティと値のセットを持っている各オブジェクトに、オブジェクトの階層に格納されています. すべてのオブジェクト指向ストレージと同様に、サブクラスはそのスーパークラスからプロパティを継承する. これらのプロパティの例としては、 "色が黄色である"とオブジェクトのカナリアは、 "サイズが小さい"などとすることができます. ただし、オブジェクトのカナリアは、プロパティがスーパークラスのオブジェクトから "飛ぶことができます"と "卵を産む"継承されます。鳥. しかし、また、クラスの例外がある場合もあります. たとえば、ペンギンは鳥のクラスのインスタンスですが、それは例外があります：それは飛ぶことができない. この知識は、（参照ツリーに格納されているダイアグラムからルガー＆スタッブルフィールド、1998 ）、および言語の構文解析の過程で、このツリーは、参照される必要があるかもしれません. これは "常識"の基本セットでNLPを提供しています
意味ネットワーク
セマンティックネットワークの最初のコンピュータの実装は、機械翻訳で使用するために1960年代初頭に開発されました （ ルガー·スタッブルフィールド、1998年 ）
初期の意味ネットワークの機能の多くを示しています初期の有力なプログラムは、1960年代後半にQuillianによって書かれました (Quillian、1967). 彼は他の単語に基づいて言葉を定義し、これは時々円形の定義をもたらしたが、それは十分な理解を得られるまでプログラムは、ツリーを横断し.
Quillianは、自然言語システムがなければならないことを示唆し:
- これらの交差点ノードのコレクションを構築することにより、テキストの本文の意味を決定する
- リレーションシップ·パス上の交点として、最も近い意味を見つけることによって、複数の意味の間で選択
- システム内のクエリと概念の単語概念間の関連付けに基づいてクエリの柔軟な範囲を答える.